Python 使用Numpy在数据帧上应用权重公式

我有一个数据帧，希望将单元格的浮点值除以它所在行的总和。为此，我使用了numpy公式。因此，这将为该行的该单元格提供权重。我有这个数据帧

df1

：

AA-AB-AC-AD
2005-01-02 23:55:00“权益”
2005-01-03 00:00:00        32.32      19.5299        32.32      31.0455   
2005-01-04 00:00:00      31.9075      19.4487      31.9075      30.3755   
2005-01-05 00:00:00      31.6151      19.5799      31.6151       29.971   
2005-01-06 00:00:00      31.1426      19.7174      31.1426      29.9647  

到目前为止，我已经尝试了以下方法：

import numpy as np

def foo_bar(x):
    if type(x) is not str:
        return x / np.sum(df1, axis=1)
    else:
        return

df = df_numeric.apply(np.vectorize(foo_bar))

由于出现以下错误，我的公式的求和部分似乎写得不正确：

AA-AB-AC-AD
ValueError:（“使用序列设置数组元素”。，“在索引AA处发生”）

在这种情况下，消息错误提供了大量信息：您正在尝试使用序列设置数组元素（x）。

尝试在Python提示符中加载数据帧

df1

，并打印表达式

np.sum（df1，axis=1）

：它返回一个序列-一个向量-包含每行的和。在每种情况下，您都需要选择该序列中对应于适当行的元素

如前所述，您可以尝试以下操作：

df1.div（df1.sum（轴=1，轴=0）

div

将在数据帧中应用元素分割

---

从您的

df1

代码片段中，似乎有带字符串的行（

“EQUITY”

）与带数字的行交替出现，这会给您带来问题。我建议您去掉任何字符串行，只留下一个带有数字的数据帧。您可以使用列标题为数据框中的列指定有效名称。

在这种情况下，消息错误提供了大量信息：您正在尝试使用序列设置数组元素（x）。

尝试在Python提示符中加载数据帧

df1

，并打印表达式

np.sum（df1，axis=1）

：它返回一个序列-一个向量-包含每行的和。在每种情况下，您都需要选择该序列中对应于适当行的元素

如前所述，您可以尝试以下操作：

df1.div（df1.sum（轴=1，轴=0）

div

将在数据帧中应用元素分割

---

从您的

df1

代码片段中，似乎有带字符串的行（

“EQUITY”

）与带数字的行交替出现，这会给您带来问题。我建议您去掉任何字符串行，只留下一个带有数字的数据帧。您可以使用列标题为数据框中的列指定重要名称。

请尝试以下代码，该代码使用pandas功能，而不是显式函数

该函数执行按元素的除法。将总和作为一个系列输入该函数，并使用原始元素的行索引选择适当的除法值

import numpy as np
import pandas as pd

data = pd.DataFrame(np.arange(12).reshape((3, 4)),columns=['A', 'B', 'C', 'D']) 

data['Total'] = data.sum(axis=1)

data_new= data.iloc[:, :-1].div(data["Total"], axis=0)

print data  
print data_new  

结果:

   A  B   C   D  Total
0  0  1   2   3      6
1  4  5   6   7     22
2  8  9  10  11     38
          A         B         C         D
0  0.000000  0.166667  0.333333  0.500000
1  0.181818  0.227273  0.272727  0.318182
2  0.210526  0.236842  0.263158  0.289474

---

尝试下面的代码，它使用pandas特性而不是显式函数

该函数执行按元素的除法。将总和作为一个系列输入该函数，并使用原始元素的行索引选择适当的除法值

import numpy as np
import pandas as pd

data = pd.DataFrame(np.arange(12).reshape((3, 4)),columns=['A', 'B', 'C', 'D']) 

data['Total'] = data.sum(axis=1)

data_new= data.iloc[:, :-1].div(data["Total"], axis=0)

print data  
print data_new  

结果:

   A  B   C   D  Total
0  0  1   2   3      6
1  4  5   6   7     22
2  8  9  10  11     38
          A         B         C         D
0  0.000000  0.166667  0.333333  0.500000
1  0.181818  0.227273  0.272727  0.318182
2  0.210526  0.236842  0.263158  0.289474